Yuan Lin
収録論文 6本 ・ フィジカルAI/ロボット学習
マルチモーダルエージェント自動運転/強化学習協調ACC
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- マルチモーダルエージェントのためのタスク焦点型記憶マルチモーダルエージェント2026/5/29
マルチモーダルエージェントが環境から得る膨大な情報の中から、将来のタスクに有用な記憶を選択的に保持するための強化学習ベースのフレームワークTaskMemを提案する。
- 交通流ランダム化を用いた強化学習による自動運転の意思決定と制御自動運転/強化学習2024/3/1
SUMOの交通流モデルのパラメータをランダム化して周囲車両の挙動を多様化し、深層強化学習で自動運転方策を訓練することで、より現実的な交通環境での性能劣化を抑える手法を提案した。
- 安全なハイブリッド行動強化学習による任意車線変更の意思決定と制御自動運転/強化学習2024/3/1
任意車線変更に安全なハイブリッド行動強化学習を初めて導入し、PIDラグランジュ法を組み合わせたPASAC-PIDLagを提案。衝突率0%を達成し、安全性で優れることを示した。
- パラメータ化ソフトアクター・クリティックによるハイブリッド行動空間での裁量的車線変更の意思決定と制御自動運転/強化学習2024/2/1
自動運転の車線変更において、離散的な車線変更決定と連続的な縦方向加速度を同時に出力するパラメータ化ソフトアクター・クリティック(PASAC)を提案し、モデル予測制御(MPC)と性能を比較した。同一の報酬・コスト関数と交通流の下で、両手法とも衝突率0%を達成し、PASACは平均報酬・コストと車速でMPCに匹敵する性能を示した。
- 車両ダイナミクスを考慮した深層強化学習による追従制御の再設計自動運転/強化学習2019/5/1
点質量モデルで学習した強化学習ACC制御器が車両ダイナミクス下で性能劣化することを示し、遅延入力と実加速度を状態に加える再設計で動的計画法に近い性能を達成した。
- 通信・自己位置推定・地図を統合した先行車検出喪失時にも追従可能な協調ACC協調ACC2019/1/1
レーダーが先行車を見失った際に、車車間通信・高精度自己位置推定・車線中心情報付き地図を統合して車間距離を推定し、追従制御を継続する手法を提案した。
